深度学习在生物医药领域中的应用

序号	推送日期	文章	类型	简述	创新点	不足	研究目的	研究对象	领域	病种	技术	模型	数据类型	样本量
1381	2025-01-22	Unlocking the potential of AI: Machine learning and deep learning models for predicting carcinogenicity of chemicals 2025, Journal of environmental science and health. Part C, Toxicology and carcinogenesis DOI:10.1080/26896583.2024.2396731 PMID:39228157	综述	本文综述了使用机器学习和深度学习算法预测化学物质致癌性的进展	比较了多种机器学习和深度学习模型在预测化学物质致癌性方面的表现，强调了高质量和大数据集的重要性	深度学习模型受限于可用致癌性数据集的规模	开发有效的化学物质致癌性预测模型	化学物质	机器学习	癌症	机器学习, 深度学习	支持向量机, 随机森林, 集成学习, 前馈神经网络, 卷积神经网络, 图卷积神经网络, 胶囊神经网络, 混合神经网络	化学数据	NA
1382	2025-01-22	Deep learning-based models for preimplantation mouse and human embryos based on single-cell RNA sequencing 2025-Jan, Nature methods IF:36.1Q1 DOI:10.1038/s41592-024-02511-3 PMID:39543284	研究论文	本文利用深度学习工具整合和分类多个单细胞RNA测序数据集，以定义小鼠和人类胚胎细胞类型、谱系和状态	开发了一种基于深度学习的模型，用于无偏倚地分类细胞类型，并确定用于识别谱系、细胞类型和状态的基因集	研究依赖于公开可用的数据，可能受限于数据的质量和覆盖范围	通过深度学习模型整合和分类单细胞RNA测序数据，以更好地理解胚胎发育和体外多能干细胞分化	小鼠和人类胚胎细胞	机器学习	NA	单细胞RNA测序	深度学习模型	RNA测序数据	公开可用的小鼠和人类胚胎发育阶段数据
1383	2025-01-22	Cardiac motion correction with a deep learning network for perfusion defect assessment in single-photon emission computed tomography myocardial perfusion imaging 2025-Jan, Journal of nuclear cardiology : official publication of the American Society of Nuclear Cardiology IF:3.0Q2 DOI:10.1016/j.nuclcard.2024.102071 PMID:39491716	研究论文	本文探讨了使用深度学习网络进行心脏运动校正，以提高单光子发射计算机断层扫描心肌灌注成像中灌注缺陷评估的准确性	首次将深度学习网络应用于心脏运动校正，以改善SPECT-MPI图像中灌注缺陷的检测能力	研究仅基于模拟病变的临床数据，未在真实患者数据上进行验证	提高单光子发射计算机断层扫描心肌灌注成像中灌注缺陷的检测准确性	心脏运动校正后的SPECT-MPI图像	医学影像分析	心血管疾病	深度学习	深度学习网络	图像	197例用于训练，194例用于测试
1384	2025-01-22	Multispectral imaging-based detection of apple bruises using segmentation network and classification model 2025-Jan, Journal of food science IF:3.2Q2 DOI:10.1111/1750-3841.70003 PMID:39832229	研究论文	本文提出了一种结合多光谱成像系统和深度学习的方法，用于准确检测苹果的损伤程度和损伤时间	提出了改进的DeepLabV3+模型，结合深度可分离卷积和高效通道注意力机制，并使用焦点损失函数，提高了损伤区域的提取精度	未提及样本的具体数量和多样性，可能影响模型的泛化能力	准确检测苹果的损伤程度和损伤时间，以减少经济损失	苹果的损伤区域	计算机视觉	NA	多光谱成像	DeepLabV3+, EfficientNetV2, DenseNet121, ShuffleNetV2	图像	未提及具体样本数量
1385	2025-01-22	Knowledgebase-Driven Exploration and Experimental Verification of Simvastatin's Inhibitory Impact on P2X7/NLRP3 Inflammasome Pathway 2025-Jan, Chemical biology & drug design IF:3.2Q3 DOI:10.1111/cbdd.70048 PMID:39834043	研究论文	本研究通过知识库驱动的方法和实验验证，探讨了辛伐他汀对P2X7/NLRP3炎症小体通路的抑制作用及其在抑郁症模型中的抗抑郁效果	首次结合机器/深度学习方法预测辛伐他汀的潜在作用靶点，并通过实验验证其在抑郁症模型中的抗抑郁机制	研究仅基于大鼠模型，未涉及人类临床试验，结果的普适性有待进一步验证	阐明辛伐他汀通过抑制P2X7/NLRP3炎症小体通路发挥抗抑郁作用的机制	慢性轻度应激（CMS）诱导的抑郁症模型大鼠	机器学习	抑郁症	机器/深度学习方法	NA	行为数据、蛋白质和mRNA表达数据	抑郁症模型大鼠
1386	2025-01-22	End-to-end underwater acoustic transmission loss prediction with adaptive multi-scale dilated network 2025-Jan-01, The Journal of the Acoustical Society of America IF:2.1Q1 DOI:10.1121/10.0034857 PMID:39835828	研究论文	本文提出了一种端到端的水下声学传输损失预测架构，利用深度学习方法有效建模物理现象，显著减少计算时间和成本	提出了一种名为MultiScale-DUNet的U-Net模型，集成了自适应多尺度扩张模块，能够快速准确地预测完整声场	研究仍处于初期阶段，尚未在实际应用中广泛验证	预测水下声学传输损失，以应用于水下探测和实时水下监测等领域	水下声学传播	机器学习	NA	深度学习	U-Net	声学数据	NA
1387	2025-01-20	Development and Validation of KCPREDICT: A Deep Learning Model for Early Detection of Coronary Artery Lesions in Kawasaki Disease Patients 2025-Jan-18, Pediatric cardiology IF:1.5Q2 DOI:10.1007/s00246-024-03762-9 PMID:39825907	研究论文	本研究开发并验证了一种名为KCPREDICT的深度学习模型，用于早期检测川崎病患者的冠状动脉病变	开发了一种新的深度学习算法KCPREDICT，利用24个特征（包括基本患者信息、五个经典川崎病临床体征和14个实验室测量值）来区分川崎病患者的冠状动脉病变	研究数据仅来自上海儿童医学中心，可能限制了模型的普遍适用性	开发并验证一种人工智能算法，以区分川崎病患者的冠状动脉病变，支持入院时的诊断决策	川崎病患者	机器学习	心血管疾病	深度学习	决策树模型	临床数据	1474例川崎病病例
1388	2025-01-20	Explainable analysis of infrared and visible light image fusion based on deep learning 2025-Jan-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-79684-6 PMID:39820058	研究论文	本文研究了基于深度学习的可见光和红外图像融合技术的可解释性，以提高模型理解和应用的可信度	提出了一种基于CNN局部上下文提取和Transformer全局注意力机制的多模态图像融合模型，并采用DDFImage算法生成局部解释信息，增强了模型的可解释性	未提及具体的数据集或样本量，可能限制了结果的普适性	增强可见光和红外图像融合技术的可解释性	可见光和红外图像	计算机视觉	NA	CNN, Transformer	多模态图像融合模型	图像	NA
1389	2025-01-20	Improving timing resolution of BGO for TOF-PET: a comparative analysis with and without deep learning 2025-Jan-17, EJNMMI physics IF:3.0Q2 DOI:10.1186/s40658-024-00711-6 PMID:39821728	研究论文	本文比较了传统实验时间估计方法（LED、TWC）与基于CNN的方法在使用BGO晶体和NUV-HD-MT SiPMs及高频电子设备信号时的性能	首次将深度学习（特别是CNN）应用于BGO闪烁体的时间分辨率改进，并与传统方法进行了比较	CNN方法需要更复杂的波形数字化处理，可能在实际应用中增加复杂性	提高BGO闪烁体在TOF-PET中的时间分辨率	BGO晶体和NUV-HD-MT SiPMs	机器学习和医学成像	NA	TOF-PET, Cherenkov光子检测	CNN	波形数据	2 × 2 × 3 mm³ 和 2 × 2 × 20 mm³ 的BGO晶体
1390	2025-01-20	Biologically relevant integration of transcriptomics profiles from cancer cell lines, patient-derived xenografts, and clinical tumors using deep learning 2025-Jan-17, Science advances IF:11.7Q1 DOI:10.1126/sciadv.adn5596 PMID:39823329	研究论文	本文开发了一种名为MOBER的多源批次效应去除方法，用于整合癌症细胞系、患者来源的异种移植模型和临床肿瘤的转录组数据，以提高临床转化性	MOBER方法能够同时提取具有生物学意义的嵌入信息并去除混杂因素，从而识别出与临床肿瘤转录组最相似的临床前模型	尽管MOBER能够整合多种转录组数据集，但其在更广泛的应用场景中的有效性和稳定性仍需进一步验证	开发一种能够整合不同来源的转录组数据的方法，以提高临床前模型的临床转化性	癌症细胞系、患者来源的异种移植模型和临床肿瘤	机器学习	癌症	转录组分析	深度学习	转录组数据	932个癌症细胞系、434个患者来源的异种移植模型和11,159个临床肿瘤
1391	2025-01-20	Predicting EV battery state of health using long short term degradation feature extraction and FEA TimeMixer 2025-Jan-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-85492-3 PMID:39819968	研究论文	本文提出了一种基于长短期电池退化特征提取和FEA-TimeMixer模型的新能源汽车电池健康状态（SOH）预测方法	引入了自动SOH提取算法和频率增强注意力机制（FEA），改进了TimeMixer模型，提高了不同预测长度下的SOH预测精度	NA	提高新能源汽车电池健康状态（SOH）的预测精度	新能源汽车电池	机器学习	NA	自动SOH提取算法、经验退化模型、完全集成经验模态分解与自适应噪声（CEEMDAN）	FEA-TimeMixer模型	离线充电数据	NA
1392	2025-01-20	A deep learning based detection algorithm for anomalous behavior and anomalous item on buses 2025-Jan-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-85962-8 PMID:39820021	研究论文	本文提出了一种新的策略，用于分析和检测公交车上的异常乘客行为和异常物品	提出了一种基于改进的YOLOv5深度学习算法的MD-AODA算法，用于检测异常乘客行为和异常物品，并结合车载视频分析系统提高了检测的准确性和及时性	NA	开发一种有效的算法来检测公交车上的异常乘客行为和异常物品	公交车上的乘客行为和物品	计算机视觉	NA	深度学习	YOLOv5	视频	实际公交车视频数据
1393	2025-01-20	PHARAOH: A collaborative crowdsourcing platform for phenotyping and regional analysis of histology 2025-Jan-16, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-55780-z PMID:39820318	研究论文	本文介绍了一个名为PHARAOH的在线协作平台，旨在简化组织图像注释，促进定制计算机视觉模型的开发和共享，用于组织学的表型分析和区域分析	PHARAOH平台采用弱监督、人类在环的学习框架，利用补丁级图像特征将大块组织组织成形态学上均匀的簇，供人类专家进行批量注释，从而高效开发定制模型	平台仍依赖于人类专家的注释，且需要一定数量的案例来训练模型	开发一个可扩展的系统级解决方案，用于扩展、泛化和编目计算病理学应用	组织图像	数字病理学	NA	弱监督学习	计算机视觉模型	图像	NA
1394	2025-01-20	A Radiograph Dataset for the Classification, Localization, and Segmentation of Primary Bone Tumors 2025-Jan-16, Scientific data IF:5.8Q1 DOI:10.1038/s41597-024-04311-y PMID:39820508	研究论文	本文介绍了一个用于原发性骨肿瘤分类、定位和分割的X射线数据集BTXRD	建立了首个公开的原发性骨肿瘤X射线数据集BTXRD，包含3,746张骨图像，每张图像都有临床信息、全局标签、肿瘤实例的掩码和标注边界框	数据集规模相对较小，可能限制深度学习算法的训练和评估	支持深度学习算法在原发性骨肿瘤诊断中的开发和评估	原发性骨肿瘤的X射线图像	数字病理学	骨肿瘤	X射线扫描	深度学习算法	图像	3,746张骨图像（1,879张正常，1,867张肿瘤）
1395	2025-01-20	Harnessing deep learning to detect bronchiolitis obliterans syndrome from chest CT 2025-Jan-16, Communications medicine IF:5.4Q1 DOI:10.1038/s43856-025-00732-x PMID:39820581	研究论文	本研究利用深度学习技术从胸部CT扫描中检测闭塞性细支气管炎综合征（BOS）	首次使用深度神经网络（DNN）进行BOS检测，并采用针对低数据场景设计的共训练方法	研究样本量较小，仅包括75名肺移植后患者，其中26名患有BOS	提高BOS的诊断准确性，特别是在早期检测和管理方面	肺移植后患者的胸部CT扫描	计算机视觉	肺病	深度神经网络（DNN）	DNN	图像	75名肺移植后患者，其中26名患有BOS
1396	2025-01-20	Comparative analysis of deep learning models for crack detection in buildings 2025-Jan-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-85983-3 PMID:39820575	研究论文	本文通过比较分析深度学习模型，研究建筑物裂缝检测的最佳方法	开发并策划了一种新颖的深度学习图像处理方法，用于检测砖砌体中的裂缝，填补了研究空白和数据稀缺的问题	数据集仅限于砖砌体图像，可能不适用于其他类型的建筑材料	解决建筑物表面裂缝的精确、快速和自动化识别问题	砖砌体图像	计算机视觉	NA	深度学习图像处理	Inception V3, VGG-16, RESNET-50, VGG-19, Inception ResNetV2, CNN-RES MLP	图像	24,000张图像
1397	2025-01-20	The segmentation of nanoparticles with a novel approach of HRU2-Net† 2025-Jan-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-86085-w PMID:39820790	研究论文	本文提出了一种名为HRU2-Net的新方法，用于纳米粒子的分割，该方法基于U-Net模型的增强，具有多层次语义信息融合的特点	提出了HRU2-Net，一种基于U-Net模型的增强方法，具有多层次语义信息融合的特点，显著提高了纳米粒子分割的效果和精度	未提及具体局限性	提高纳米粒子分割的精度和效果，以促进纳米材料科学的发展	纳米粒子	计算机视觉	NA	深度学习	HRU2-Net（基于U-Net的增强模型）	图像	未提及具体样本数量
1398	2025-01-20	Comparative analysis of three methods for estimating the compositions of construction waste 2025-Jan-16, Waste management (New York, N.Y.) DOI:10.1016/j.wasman.2025.01.009 PMID:39823854	研究论文	本文比较了三种估算建筑废弃物成分的方法，以提升资源管理效率	比较了手动分拣、基于红外热成像的手动图像识别和基于SegFormer语义分割模型的深度学习图像识别方法，分析了它们的准确性、成本和社会环境影响	手动分拣虽然成本低且快速，但劳动需求高、空间限制大、环境影响大且改进潜力有限；图像识别方法虽然具有环境效益和长期效率提升潜力，但处理时间和成本较高	比较不同建筑废弃物成分估算方法的优缺点，以优化资源管理策略	建筑废弃物的成分估算方法	计算机视觉	NA	红外热成像、深度学习	SegFormer语义分割模型	图像	NA
1399	2025-01-20	Predicting Age and Visual-Motor Integration Using Origami Photographs: Deep Learning Study 2025-Jan-10, JMIR formative research IF:2.0Q4 DOI:10.2196/58421 PMID:39803896	研究论文	本研究利用深度学习技术，通过折纸照片预测儿童的年龄和视觉-运动整合（VMI）发展水平	首次将人工智能技术应用于折纸作品，以预测儿童的年龄和VMI发展水平，包括VMI水平和VMI发展状态	研究样本仅限于2-6岁儿童，且仅使用了一种折纸作品（折纸狗），可能限制了结果的普适性	探索人工智能技术在儿童发展评估中的应用，特别是通过折纸作品预测年龄和VMI发展水平	2-6岁儿童及其折纸作品	计算机视觉	NA	深度学习	ResNet-50, XGBoost, 多层感知机	图像	515名2-6岁儿童，按4:1比例分为训练组和测试组
1400	2025-01-20	Awareness and Attitude Toward Artificial Intelligence Among Medical Students and Pathology Trainees: Survey Study 2025-Jan-10, JMIR medical education IF:3.2Q1 DOI:10.2196/62669 PMID:39803949	研究论文	本研究通过问卷调查评估和比较了医学生和病理学实习生对人工智能（AI）在医学中应用的认知和态度	这是首次在约旦分析医学生对AI的认知和态度，并首次纳入病理学实习生的视角	研究样本仅限于约旦的医学生和病理学实习生，可能无法完全代表其他地区的情况	评估医学生和病理学实习生对AI在医学中应用的认知和态度，以指导教育课程和培训的发展	医学生和病理学实习生	医学教育	NA	问卷调查	NA	调查数据	394名受访者（328名医学生和66名病理学实习生）